機器學習 文章 最新資訊
MIT 的 3 合一訓練工具簡化了機器人的學習
- 教會機器人新技能過去需要編碼專業(yè)知識。但新一代的機器人可能只需要任何人就能學習。工程師們正在設(shè)計能夠“通過示范學習”的機器人助手。這種更自然的訓練策略使人們能夠引導機器人完成一項任務(wù)，通常有三種方式：通過遙控，例如操作操縱桿遠程控制機器人；通過物理移動機器人來完成動作；或者自己執(zhí)行任務(wù)，同時機器人觀看并模仿。通過實踐學習的機器人通常只采用這三種演示方法中的一種進行訓練。但麻省理工學院（MIT）的工程師們現(xiàn)在開發(fā)了一種三合一訓練界面，允許機器人通過這三種訓練方法中的任何一種來學習任務(wù)。該界面是一種手持的、配
- 關(guān)鍵字： 機器人 機器學習 機械臂
基于算法的工程助手：AI重塑零件采購
- 機器學習正在為設(shè)計工程師提供更智能的供應(yīng)鏈和無摩擦的組件采購。電子分銷行業(yè)正在經(jīng)歷一場悄無聲息的革命，這場革命正在從根本上改變工程師采購組件的方式以及分銷商預(yù)測需求的方式。DigiKey 處于這一轉(zhuǎn)型的最前沿，人工智能不僅僅是一個流行詞，它正在成為為全球工程師提供服務(wù)的運營支柱。總部位于 Thief River Falls 的經(jīng)銷商總裁 Dave Doherty 負責監(jiān)督這家從明尼蘇達州相對偏遠的地點向全球發(fā)貨的公司，該公司負責監(jiān)督這種人工智能驅(qū)動的發(fā)展。DigiKey 已部署或開發(fā) 70 多個不同的 A
- 關(guān)鍵字： 算法 工程助手 AI 零件采購 機器學習
TRI：預(yù)訓練的大型行為模型加速機器人學習
- 兩臺協(xié)作機器人使用從微調(diào)的大型行為模型（LBMs）中獲得的自主評估部署來執(zhí)行長時程行為，例如安裝自行車轉(zhuǎn)盤。| 來源：豐田研究院豐田研究院（TRI）本周發(fā)布了其關(guān)于大型行為模型（LBMs）的研究結(jié)果，這些模型可用于訓練通用機器人。該研究顯示，單個 LBM 可以學習數(shù)百個任務(wù)，并利用先驗知識以 80%更少的訓練數(shù)據(jù)獲取新技能。LBMs 在大型、多樣化的操作數(shù)據(jù)集上進行預(yù)訓練。盡管它們越來越受歡迎，但機器人社區(qū)對 LBMs 實際上能提供什么仍然知之甚少。TRI 的工作旨在通過這項研究揭示算法和數(shù)據(jù)集設(shè)計方面的
- 關(guān)鍵字： 機器人 大模型 機器學習
碼住這份指南：Edge AI與機器學習常用硬件類型與開發(fā)板全解析
- 文章 概述本文中，DigiKey 總結(jié)了Edge AI 和機器學習領(lǐng)域中常用的 硬件類型 及其相應(yīng)的 開發(fā)套件 。文章詳細列舉了四大主要的硬件類型：微控制器、單板計算機、專用 AI加速器，以及FPGA，并詳細介紹了涵蓋硬件平臺、軟件工具和預(yù)訓練模型的多種開發(fā)套件。文章著重強調(diào)了合理選擇硬件平臺與開發(fā)套件對于Edge AI和機器學習發(fā)展的關(guān)鍵推動作用，為相關(guān)領(lǐng)域的開發(fā)者和研究者提供寶貴的參考依據(jù)。Edge AI和機器學習的計算主
- 關(guān)鍵字： Digikey AI 機器學習
將業(yè)務(wù)目標應(yīng)用于機器學習指標
- 隨著機器學習 (ML) 的熱潮和企業(yè)紛紛搶先采用機器學習進行轉(zhuǎn)型，不難發(fā)現(xiàn)并非所有機器學習項目都能取得成功。往往是因為存在“先有解決方案再有問題”的思維定式，導致機器學習應(yīng)用的需求和目標定義不清。若未能明確機器學習為何被采用以及其對業(yè)務(wù)指標的影響，可能導致概念驗證 (POC) 工作耗費大量時間卻無法產(chǎn)生實際成果。本文探討了企業(yè)在將機器學習融入產(chǎn)品與流程時，如何通過明確總體目標并將其與相關(guān)業(yè)務(wù)指標聯(lián)系起來，進而規(guī)避常見陷阱。隨著POC工作的進展，應(yīng)用這些指標為評估機器學習性能奠定了基礎(chǔ)。根據(jù)POC的任務(wù)或用
- 關(guān)鍵字： 機器學習 貿(mào)澤
貿(mào)澤電子2025技術(shù)創(chuàng)新論壇探討“邊緣AI與機器學習”新紀元
- 提供超豐富半導體和電子元器件?的業(yè)界知名新品引入 (NPI) 代理商貿(mào)澤電子(Mouser Electronics)近日宣布將于5月28-20日舉辦2025貿(mào)澤電子技術(shù)創(chuàng)新論壇首場活動。本期論壇將深度聚焦“邊緣AI與機器學習”，云集Analog Devices, Amphenol, NXP, Silicon Labs, VICOR等業(yè)界知名廠商及產(chǎn)學研專家陣容，共同解構(gòu)AI浪潮下企業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新路徑和可持續(xù)發(fā)展戰(zhàn)略，攜手創(chuàng)造智能化未來。貿(mào)澤電子亞太區(qū)市場及商務(wù)拓展副總裁田吉平表示：“邊緣AI與機器學習
- 關(guān)鍵字： 貿(mào)澤 機器學習
抖音背后的算法推薦邏輯
- 推薦算法已并非新生事物，但圍繞它的爭議卻從未間斷。這些爭議包括推薦算法帶來標題黨、低質(zhì)量、甚至虛假內(nèi)容以及信息繭房的問題。很多人對推薦算法技術(shù)存在誤解，認為算法是給內(nèi)容打上對應(yīng)標簽，再給用戶打上對應(yīng)的屬性，最后通過數(shù)據(jù)運算，把對應(yīng)標簽的內(nèi)容推薦給有對應(yīng)屬性的用戶。實際上，隨著機器學習技術(shù)的發(fā)展，抖音的推薦系統(tǒng)已幾乎不依賴對內(nèi)容或者用戶打標簽，而是通過復(fù)雜的神經(jīng)網(wǎng)絡(luò)計算，直接預(yù)測每個用戶對每條內(nèi)容可能產(chǎn)生的互動行為概率。機器學習對推薦算法的主要貢獻在于建立評分系統(tǒng)，在海量算力和海量供給的環(huán)境里，把用戶行為抽
- 關(guān)鍵字： 抖音 算法 機器學習 神經(jīng)網(wǎng)絡(luò) 標簽
ADAS的2035預(yù)測：深度整合機器學習、實時數(shù)據(jù)分析和云連接
- 在越來越嚴格的安全準則和傳感器工程進步的推動下，高級駕駛輔助系統(tǒng)在汽車中的廣泛采用將大大增加 ADAS 傳感器市場，這些進步使 ADAS 成為事實上的標準設(shè)備。傳感器在 ADAS 中發(fā)揮著不可或缺的作用，可實現(xiàn)碰撞威懾、車道偏離警報、自適應(yīng)巡航控制功能、盲點檢測和不同程度的自作等功能。電動機在車輛中的普及和汽車自主性的提高，再加上政府機構(gòu)要求加強道路保護，正在擴大該行業(yè)的擴張。與此同時，新型傳感技術(shù)的較高成本正在激勵其封裝到車輛中，以從規(guī)模經(jīng)濟中受益。總體而言，多個技術(shù)和監(jiān)管領(lǐng)域的快速變化正在推動 ADA
- 關(guān)鍵字： ADAS 傳感器 機器學習 實時數(shù)據(jù)分析
什么是生成式人工智能?
- 生成式人工智能(Generative AI)的使用正迅速擴展到我們的日常生活和商業(yè)領(lǐng)域，并將顯著影響未來社會。本系列將主要通過村田關(guān)注的具體應(yīng)用事例，聊聊生成式人工智能應(yīng)用的相關(guān)話題，特別關(guān)注對電子行業(yè)可能產(chǎn)生的影響。01 什么是生成式人工智能(Generative AI)?生成式人工智能是一種擁有能夠自動生成并輸出文本/圖像/音樂等多種形式的數(shù)據(jù)的能力，并且能支援迄今為止由人類承擔的創(chuàng)造性作業(yè)的人工智能。生成式人工智能利用一種”機器學習“——深度學習——從人類準備的文本和圖像等數(shù)據(jù)中提取特征，并能基于這
- 關(guān)鍵字： 生成式人工智能 機器學習
在低功耗MCU上實現(xiàn)人工智能和機器學習
- 人工智能（AI）和機器學習（ML）技術(shù)不僅正在快速發(fā)展，還逐漸被創(chuàng)新性地應(yīng)用于低功耗的微控制器（MCU）中，從而實現(xiàn)邊緣AI/ML解決方案。這些MCU是許多嵌入式系統(tǒng)不可或缺的一部分，憑借其成本效益、高能效以及可靠的性能，現(xiàn)在能夠支持AI/ML應(yīng)用。這種集成化在可穿戴電子產(chǎn)品、智能家居設(shè)備和工業(yè)自動化等應(yīng)用領(lǐng)域中，從AI/ML功能中獲得的效益尤為顯著。具備AI優(yōu)化功能的MCU和TinyML的興起（專注于在小型、低功耗設(shè)備上運行ML模型），體現(xiàn)了這一領(lǐng)域的進步。TinyML對于直接在設(shè)備上實現(xiàn)智能決策、促進
- 關(guān)鍵字： 低功耗MCU上 機器學習 芯科科技
一文讀懂｜什么是機器學習
- 機器學習定義機器學習（Machine Learning）本質(zhì)上就是讓計算機自己在數(shù)據(jù)中學習規(guī)律，并根據(jù)所得到的規(guī)律對未來數(shù)據(jù)進行預(yù)測。機器學習包括如聚類、分類、決策樹、貝葉斯、神經(jīng)網(wǎng)絡(luò)、深度學習（Deep Learning）等算法。機器學習的基本思路是模仿人類學習行為的過程，如我們在現(xiàn)實中的新問題一般是通過經(jīng)驗歸納，總結(jié)規(guī)律，從而預(yù)測未來的過程。機器學習的基本過程如下：機器學習基本過程機器學習發(fā)展簡史從機器學習發(fā)展的過程上來說，其發(fā)展的時間軸如下所示：機器學習發(fā)展歷程從上世紀50年代的圖靈測試提出、塞繆爾
- 關(guān)鍵字： 機器學習 深度學習 神經(jīng)網(wǎng)絡(luò)
ST1VAFE3BX：意法半導體推出首款超低功耗生物傳感器，成為眾多新型應(yīng)用的核心所在
- ST最新推出的生物傳感器ST1VAFE3BX將生物電位輸入與意法半導體的加速度計以及機器學習核心相結(jié)合并實現(xiàn)同步，從而為下一代需要控制能耗的可穿戴醫(yī)療設(shè)備開辟了道路。此外，其小巧的封裝(2mm x 2mm x 0.74mm)有助于降低制造成本和 PCB電路板尺寸。整體設(shè)計對電能的需求也更低，系統(tǒng)架構(gòu)需求的復(fù)雜程度也隨之降低。不過，ST1VAFE3BX保留了先前推出的ST1VAFE6AX的有限狀態(tài)機和機器學習核心，確保了能夠在邊緣端提供人工智能。此前在慕尼黑電子展上展示了這款生物傳感器的實際應(yīng)用，例如，我們
- 關(guān)鍵字： 生物傳感器 機器學習 可穿戴
設(shè)計新的暗物質(zhì)探測器：機器學習提高量子傳感器對暗物質(zhì)的靈敏度
- 如何探測暗物質(zhì)——一種可能占宇宙中所有物質(zhì)六分之五的不可見、幾乎無形的物質(zhì)？暗物質(zhì)應(yīng)該就在我們身邊，對正常物質(zhì)產(chǎn)生微小的影響，但到目前為止，搜索都是空的。但一項新的研究表明， 采用機器學習的策略可以幫助量子傳感器最終追捕它。這種超靈敏傳感器還可能具有其他應(yīng)用，例如無 GPS 導航、探測地下掩體以及發(fā)現(xiàn) 大爆炸后時刻的時空引力紋波。我們知道暗物質(zhì)的存在是因為它對星系運動的引力影響。但我們不知道它是由什么組成的，也不知道它如何與構(gòu)成你或我的日常顆粒相互作用。盡管科學家們已經(jīng)為暗物質(zhì)的潛在組
- 關(guān)鍵字： 暗物質(zhì)探測器 機器學習 量子傳感器 暗物質(zhì) 靈敏度
一文總結(jié)：人工智能、機器學習、深度學習的關(guān)鍵技術(shù)概念及 Edge AI 的行業(yè)發(fā)展前景
- 文章 概述本文介紹了人工智能（AI）、 機器學習（ ML）、深度學習（DL）和邊緣人工智能（Edge AI ）的 概念、特性及應(yīng)用領(lǐng)域 ，詳細闡述了ML的各種 訓練模式 ，包括監(jiān)督式、非監(jiān)督式、半監(jiān)督式、強化學習和自監(jiān)督學習，并介紹了它們在各個領(lǐng)域的應(yīng)用。最后，文章總結(jié)了AI、ML和Edge AI對各行各業(yè)的影響和未來 發(fā)展前景 ，強調(diào)它們將不斷推動創(chuàng)新，為全球經(jīng)濟和社會帶來更加智能、便捷的生活方式。人工智
- 關(guān)鍵字： Digikey 人工智能 機器學習 深度學習
芯片設(shè)計僅靠 AI 還不夠，可能需要經(jīng)典搜索和機器學習結(jié)合
- 自1971 年費德里科·法金 （Federico Faggin） 完成第一個商用微處理器 Intel 4004 的草圖以來，芯片設(shè)計已經(jīng)取得了長足的進步，當時他只用了直尺和彩色鉛筆。今天的設(shè)計人員可以使用大量的軟件工具來規(guī)劃和測試新的集成電路。但是，隨著芯片變得越來越復(fù)雜（有些芯片包含數(shù)千億個晶體管），設(shè)計人員必須解決的問題也越來越復(fù)雜。而這些工具并不總是能勝任這項任務(wù)?，F(xiàn)代芯片工程是一個由九個階段組成的迭代過程，從系統(tǒng)規(guī)范到封裝。每個階段都有多個子階段，每個子階段可能需要數(shù)周到數(shù)月的時間，具體取決于問題
- 關(guān)鍵字： 芯片設(shè)計 AI 經(jīng)典搜索 機器學習
機器學習介紹
您好，目前還沒有人創(chuàng)建詞條機器學習!
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
機器學習相關(guān)帖子
機器學習資料下載
機器學習專欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473